Valentijn de Jong

Methods for individual participant data meta-analysis in prediction research

Samenvatting

Voorspellingsmodellen zijn een belangrijk hulpmiddel in de medische praktijk, omdat ze kunnen helpen bij de diagnose van een ziekte bij een patiënt en bij het voorspellen van de toekomstige gezondheid. Ze kunnen daardoor helpen bij het nemen van medische beslissingen en het informeren van patiënten over hun gezondheid. Op basis van voorspellingen van risico’s kunnen beslissingen worden genomen over de noodzaak van het afnemen van extra diagnostische tests, het veranderen van de levensstijl van de patiënt, het kiezen voor andere preventieve strategieën, het identificeren van de meest effectieve behandeling voor een patiënt en voor het beoordelen van de kwaliteit van medische centra. Voorspellingsmodellen dienen ontwikkeld en getest te worden met behulp van data die voldoende representatief van patiënten in de praktijk is. Dit vereist vaak het combineren van individuele patiëntdata uit meerdere populaties en studies en het bundelen van de krachten van verschillende onderzoeksgroepen. Voor het analyseren van gecombineerde datasets zijn geavanceerde statistische methoden nodig. In dit proefschrift heb ik statistische methoden onderzocht en beoordeeld, die gebruikt worden voor het analyseren van gecombineerde datasets bij wetenschappelijke vraagstukken die zich richten op medische behandelingen, diagnose en prognose. Tot op heden zijn zulke methoden voor diagnostische en prognostische toepassingen nog onvoldoende onderzocht. Daarom heb ik nieuwe statistische methoden ontwikkeld voor die vakgebieden. Verder heb ik een nieuwe methode ontwikkeld voor het analyseren van data sets met verschillende mate van meetfout. Ten slotte heb ik een overzicht van methoden voor prognostisch onderzoek met meerdere datasets gemaakt. -Samenvatting van Universiteit Utrecht-